大数据时代消费者洞察

讲师:枫影(王鸿华) 发布日期:12-30 浏览量:103

【课程背景】




1. 3G互联使得消费者群体进入VUCA和BANI时代,需求不确定性增强




2. 整体营销开始有产品导向逐步向用户需求(市场)导向演变




3. 大数据时代提供了依托数据分析,洞察用户需求的可能性




【课程收获】




1. 认知:整体营销从产品导向向用户需求导向的转变




2. 架构:一套消费者消费行为视角的消费行为模型




3. 应对:掌握基于数据分析、洞察来实现精准营销的能力




【课程对象】大营销体系(不含产品):市场+渠道(分公司)+销售+客服




【课程时长】1天(6小时)




【课程大纲】




一、基本认知:3G+互联网时代,科技驱动需求之变




1.需求之变动因:3G+,让消费者获得信息更加多元、立体、丰富




2.消费市场特点:VUCA和BANI时代




3.消费决策特点:个性化、多元化、场景化、复杂化、短周期、高频




(1)消费行为具有层次性:从大的刚性需求逐渐细化到个性化、场景化等




(2)消费群体的需求洞察的关键在于:合理划分消费群体(可大可小)




(3)消费群体的洞察,并不是看宏观报告,而在于微观数据分析




4.消费者洞察的变与不变:




变:宏观消费趋势:从中心化决策到去中心、弱中心化的决策




不变:对消费者行为的研究方法/模型,相对固定(web1-web2-web3)




【专家文献解读】WEB2.0和WEB3.0时代对消费群体的整体宏观影响。




二、洞察模型:WEB2.0 时代的消费者消费行为模型:AISAS




1. Web2.0现代营销模型:基于用户消费行为认知体系的AISAS




(1)AISAS模型解读




(2)消费者消费行为旅程




2. 整体营销运营的几个核心关键动作




(1)A:Attention,引起关注——IP活动与爆款




(2)I:Interest,产生兴趣——内容策划与创作




(3)S:Search,主动全网搜索——媒体、渠道布局




(4)A:Action,采取行动——销售与售前客服




(5)S:Share,进行分享——打造极致用户体验




3. AISAS消费者行为具体指标




(1)A关注:广告印象、品牌认知度




(2)I 兴趣:广告点击率




(3)S搜索:关键词(和相关词)搜索此处、搜索指数




(4)A行动:访问量、下单转化率、、询单率、询单转化率




(5)S分享:话题发布数、产品评论量、产品转发数




【案例导入】中国移动从买电话卡套餐到智家业务是如何引发消费者成交的




三、流程方法工具:大数据+消费者行为洞察驱动市场、渠道和客服创新




1. 核心指导思想:依托数据分析,对消费者整个行为过程进行分析,展开精准营销




2. 以大数据+消费者视角驱动精准营销的内容:




(1)消费者:A关注——企业:市场行为




(2)消费者:I兴趣——企业:媒体广告




(3)消费者:S搜索——企业:渠道布局




(4)消费者:A行动——企业:销售转化




(5)消费者:S分享——企业:客户服务与体验




3. 整体基于大数据洞察消费者的流程方法:




第一步:构建整个消费者数据分析模型




1. 需求侧模型:AISAS模型




2. 供给侧模型:ADP模型




第二步:定义需要解决的问题




1. A和I,市场推广类:




l 需求侧:最近有什么好玩的?有趣的?可以满足我场景需求的?解决我痛点的?




l 供给侧:如何策划一个IP、做一个爆款、创作一个广告(内容)...




2. 渠道布局类:




l 需求侧:到哪里搜索、到哪里了解,在哪来可以买?




l 供给侧:产品应该放在哪里卖?怎么让他们找的到我们?




3. A销售转化类




l 需求侧:是不是我想要的?能不能解决我的问题?




l 供给侧:场景是什么?痛点是什么?卖点是什么?爽点是什么?




4. S客服体验类




l 需求侧:一场愉快的交易,一次贴心的服务..




l 供给侧:如何打造客户的极致体验?




第三步:数据搜集与可视化:




1. 构建SCRM系统,做好标签体系、等级体系等用户画像数据




【演示】微伴助手SCRM的用户画像体系




2. 数据采集:手工录入、系统API对接




【演示】南方电网的云报表和API对接系统




3. 数据可视化:借助EXCEL、BI报表等完成用户基础数据的可视化呈现




【演示】Quick BI报表系统的可视化呈现




第四步:数据分析




1. 用户群体划分:基于用户画像、RFM、等级等指标完成用户群体的划分




【案例】中国电信的用户画像/RFM/等级会员系统




2. 定义分析的基准:AISAS的基准(额外分享:基于ADP模型的分析体系)




3. 常见的数据分析方法:异常分析、趋势分析、归因分析、用户需求分析




第五步:优化改善创新策略




1. 分析与AISAS或ADP模型各指标相关的因子




l A关注:广告印象、品牌认知度




l I 兴趣:广告点击率




l S搜索:关键词(和相关词)搜索此处、搜索指数




l A行动:访问量、下单转化率、、询单率、询单转化率




l S分享:话题发布数、产品评论量、产品转发数




2. 采用A/B对照法来进行优化创新







【案例1】国家电网基于用电数据展开能效分析和节能服务




【案例2】中国邮政如何通过用户数据分析,优化产品结构和营销推广策略的



分享
联系客服
返回顶部